Более зеленое будущее благодаря Vision AI и Ultralytics YOLO

TrashBestie — это новое приложение, которое помогает сортировать отходы и управлять ими по-новому, более эффективно, используя компьютерное зрение. TrashBestie применяет глубокое обучение и передовые технологии, чтобы помочь людям сделать планету чище и экологичнее.

Команда TrashBestie видит будущее, в котором отходы — это не обуза, а возможность для позитивных перемен. Сортировка мусора важна для защиты окружающей среды, экономии ресурсов и сокращения загрязнения. Учитывая это, TrashBestie стало цифровым решением, которое позволяет каждому легко принимать осознанные решения в области обращения с отходами. Цель ясна: вдохновить на коллективные действия в сторону ответственного обращения с отходами и обеспечить чистоту планеты для будущих поколений.

Link to this sectionЗнакомься с командой TrashBestie#

Прежде чем погрузиться в инновационные технологии TrashBestie, давай познакомимся с его создателями:

• Helge Rölleke: Хельге, имея опыт в продажах медицинских товаров, перешел в сферу Data Science и проводил прорывные исследования эффективности компаний и вознаграждения руководителей. Он также увлекается грибами и открыт для новых возможностей в Data Science.
• My: Data Scientist и Frontend-разработчик, объединяющая свои навыки для решения сложных задач и создания удобных веб-приложений.
• Simantini Shinde: Junior Data Scientist со знаниями в области анализа данных, машинного обучения и не только. Симантини — активный сторонник open-source разработки, она постоянно изучает новые технологии и стремится к сбалансированному и устойчивому образу жизни.

Link to this sectionПуть к машинному обучению и компьютерному зрению#

Хельге начал изучать машинное обучение во время написания магистерской диссертации, исследуя связь между оплатой труда менеджера и успехом компании. Это включало использование регрессионных моделей и методов машинного обучения. Хельге смог глубже погрузиться в мир компьютерного зрения на буткемпе Spiced Academy. Там он экспериментировал с глубоким обучением и оценил полезность моделей Ultralytics YOLO.

Май узнала о машинном обучении от друга, который делился своими проектами в области Data Science, что вызвало у нее интерес. Ее восхитило то, как данные могут раскрывать инсайты и оптимизировать процессы. Поэтому она присоединилась к буткемпу, где познакомилась с Симантини и Хельге.

Симантини начала изучать машинное обучение во время магистерской диссертации. Она обнаружила его потенциал в своей сфере деятельности, которая связана с оценкой повреждений зданий после землетрясений. После выпуска Симантини работала на разных должностях, связанных с данными. Эта работа в итоге привела ее на буткемп по Data Science и пробудила интерес к ML и компьютерному зрению.

Link to this sectionПочему для TrashBestie выбрали Ultralytics YOLO#

Использование Ultralytics YOLOv8 в качестве основного инструмента в TrashBestie является стратегическим решением.

• Удобство использования: Поскольку YOLOv8 является open-source проектом и прост в применении, он оказался легко доступным для команды.
• Точность: YOLOv8 обеспечил лучшую точность, особенно в показателях precision.
• Гибкость: Команда смогла бесшовно интегрировать YOLOv8 с Roboflow, что улучшило рабочий процесс.

Link to this sectionКак работает TrashBestie?#

TrashBestie работает как персональный помощник по сортировке мусора, используя искусственный интеллект, чтобы упростить процесс до четырех простых шагов:

1. Детекция через камеру. Используй камеру своего устройства, чтобы сделать снимок предмета, который ты не знаешь, как утилизировать.
2. Мгновенное распознавание. Благодаря технологии распознавания изображений YOLOv8 приложение быстро анализирует фото и определяет тип отходов.
3. Полезная информация. TrashBestie не ограничивается рекомендациями. Инструмент предоставляет пользователям полезные сведения, чтобы понять предложенные способы утилизации. В свою очередь, это способствует долгосрочному обучению и формированию привычек ответственного обращения с отходами.
4. Простота и доступность. Приложение удобно и доступно для всех, что делает экологически ответственную сортировку мусора достижимой для каждого пользователя Android-устройства.

Попробуй

Детекция объектов через веб-камеру

Link to this sectionСоздание TrashBestie#

Путь разработки TrashBestie включает ряд ключевых этапов:

1. Разметка и аннотирование. Изображения тщательно размечаются и аннотируются с помощью таких инструментов, как Roboflow, для создания надежного набора данных для обучения.
2. Экспорт датасета. После экспорта размеченного датасета набор данных для детекции объектов готов к обучению.
3. Обучение с YOLOv8. Модель YOLOv8 обучается на экспортированном датасете, при этом основное внимание уделяется точной настройке параметров для повышения точности обнаружения объектов.
4. Развертывание на Streamlit. Модель YOLOv8 интегрирована в приложение Streamlit, что обеспечивает эффективную и точную детекцию объектов. Приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.

Link to this sectionБудущее TrashBestie#

TrashBestie продолжает совершенствоваться: добавляется локализация, повышается доступность на iOS и Android, а также улучшаются методы обработки изображений. Команда стремится постоянно повышать производительность и точность работы приложения.

Ознакомься с их проектом на Devpost, где есть галерея изображений и видео на YouTube с подробностями работы.

TrashBestie ставит своей миссией революцию в управлении отходами и создание более чистой и устойчивой планеты. Это первый шаг в будущее, который может даже изменить представление о профессиях в сфере обращения с отходами. Присоединяйся к ним в этом увлекательном путешествии к более экологичному будущему!

Link to this sectionСвяжись с командой TrashBestie:#

Хельге: LinkedIn, GitHub

Симантини: LinkedIn, GitHub, Medium

Май: LinkedIn